YouTube Whisper MCP Server

一个基于 Whisper 语音识别的 YouTube 视频总结 MCP 服务器，解决原版 MCP 无法处理无字幕视频的问题。

核心优势

✅ 无需字幕 - 直接从音频转录，不依赖视频字幕 ✅ 中文优化 - 针对中文视频优化，支持中英混合 ✅ 完全本地 - 所有处理在本地完成，保护隐私 ✅ 免费使用 - 基于开源工具，无 API 费用

工作原理

YouTube 视频 → yt-dlp 下载音频 → Whisper 转文字 → GPT 总结

前置要求

在安装此 MCP 服务器之前，请确保已安装以下工具：

macOS

# 安装 Homebrew（如未安装）
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# 安装依赖
brew install yt-dlp ffmpeg

# 安装 Whisper
pip install openai-whisper
# 或者使用 Homebrew
brew install whisper

Linux

# Ubuntu/Debian
sudo apt update
sudo apt install yt-dlp ffmpeg
pip install openai-whisper

# 或者使用 pipx
pipx install openai-whisper

Windows

# 使用 Chocolatey
choco install yt-dlp ffmpeg

# 安装 Python（如果未安装）
choco install python

# 安装 Whisper
pip install openai-whisper

快速开始

1. 安装 Node.js（如果未安装）

推荐使用 nvm 安装：

# macOS/Linux
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/install.sh | bash
nvm install --lts
nvm use --lts

# Windows
# 从 https://nodejs.org 下载安装

2. 安装 MCP 服务器

# 克隆或下载此项目
cd youtube-whisper-mcp

# 安装依赖
npm install

# 构建
npm run build

3. 配置到 OpenCode

在 OpenCode 配置文件中添加：

{
  "mcpServers": {
    "youtube-whisper": {
      "command": "node",
      "args": ["/path/to/your/youtube-whisper-mcp/server.js"]
    }
  }
}

或者使用 npx（推荐）：

{
  "mcpServers": {
    "youtube-whisper": {
      "command": "npx",
      "args": ["-y", "youtube-whisper-mcp"]
    }
  }
}

注意：如需使用 npx 方式，请先发布到 npm：

npm publish

4. 测试

npm test

或者运行快速测试脚本：

node quick-test.js

可用工具

安装后，以下工具将自动在 OpenCode 中可用：

1. summarize_youtube_video

总结 YouTube 视频（无需字幕）

参数：

• url (必填): YouTube 视频链接
• summary_length (可选): 总结长度 - short | medium | long

使用示例：

"summarize https://www.youtube.com/watch?v=VIDEO_ID"

返回：

{
  "video_info": {
    "title": "视频标题",
    "url": "https://youtube.com/watch?v=...",
    "duration": "23:10",
    "uploader": "频道名称",
    "views": 24943
  },
  "summary": "视频内容总结...",
  "transcript_length": 5000,
  "full_transcript": "完整转录文本..."
}

2. get_video_transcript

获取视频完整转录文本

参数：

• url (必填): YouTube 视频链接

使用示例：

"get transcript of https://www.youtube.com/watch?v=VIDEO_ID"

性能优化

处理时间估算

• 短视频 (< 5 分钟): 1-2 分钟
• 中等视频 (5-20 分钟): 3-8 分钟
• 长视频 (> 20 分钟): 10-30 分钟

加速技巧

1. 使用较小的 Whisper 模型（server.js 中）：

   // 在 transcribeAudio 函数中修改
   const command = `whisper "${audioPath}" --model tiny --language Chinese --output_format json`;

1. 模型选择（从快到慢，从不准到准）：

• tiny - 最快，最不准确
• base - 平衡选择
• small - 推荐日常使用
• medium - 准确，但较慢
• large - 最准确，最慢

硬件要求

• 最低: 4GB RAM, 2 CPU cores
• 推荐: 8GB+ RAM, 4+ CPU cores
• GPU: 如果有 NVIDIA GPU，Whisper 会自动使用 CUDA 加速

常见问题

Q1: 视频下载失败

问题: ERROR: Unable to download video data: HTTP Error 403

解决方案:

# 更新 yt-dlp
pip install -U yt-dlp

# 或使用 Homebrew
brew upgrade yt-dlp

Q2: Whisper 转录失败

问题: whisper: command not found

解决方案:

# 确保 Whisper 已安装
which whisper

# 如果使用 pip 安装，可能需要添加到 PATH
export PATH="$PATH:$(python -m site --user-base)/bin"

Q3: 中文转录效果差

解决方案:

1. 使用更大的模型：--model medium 或 --model large
2. 明确指定语言：--language Chinese
3. 确保音频质量良好

Q4: 处理时间太长

解决方案:

1. 使用较小的 Whisper 模型
2. 先下载音频（-x 参数）可以加快处理
3. 考虑使用 GPU 加速

Q5: 如何清理临时文件？

MCP 服务器会在 /tmp/youtube-whisper-mcp/ 目录自动清理。但您可以手动清理：

rm -rf /tmp/youtube-whisper-mcp/*

高级配置

集成 OpenAI API 进行更好的总结

默认使用简单截取，您可以通过集成 OpenAI/Claude API 来获得更好的总结效果：

// 在 server.js 中修改 summarizeText 函数
async function summarizeText(text) {
  const response = await axios.post('https://api.openai.com/v1/chat/completions', {
    model: 'gpt-3.5-turbo',
    messages: [
      {
        role: 'system',
        content: '你是一个专业的视频内容总结助手。请用简洁的中文总结以下内容。'
      },
      {
        role: 'user',
        content: `请总结这段视频转录内容（500字左右）：\n\n${text}`
      }
    ],
    max_tokens: 1000
  }, {
    headers: {
      'Authorization': `Bearer ${process.env.OPENAI_API_KEY}`,
      'Content-Type': 'application/json'
    }
  });

  return response.data.choices[0].message.content;
}

与 NoteGPT 集成

如果您喜欢 NoteGPT 的总结效果，可以这样组合使用：

1. 使用 MCP 获取转录:

   "get transcript of https://youtube.com/watch?v=..."

1. 复制转录到 NoteGPT:

• 访问 https://notegpt.io/youtube-video-summarizer
• 粘贴转录文本
• 让 NoteGPT 总结

技术架构

核心技术栈

• yt-dlp: YouTube 视频下载
• Whisper: 语音识别转文字
• FFmpeg: 音频处理
• Node.js + MCP SDK: MCP 服务器
• OpenAI/Claude API (可选): 智能总结

目录结构

youtube-whisper-mcp/
├── server.js          # MCP 服务器主程序
├── package.json       # 项目配置
├── README.md          # 使用说明
├── quick-test.js      # 快速测试脚本
└── .gitignore        # Git 忽略配置

贡献指南

欢迎贡献代码！请遵循以下步骤：

1. Fork 此项目
2. 创建功能分支 (git checkout -b feature/amazing-feature)
3. 提交更改 (git commit -m 'Add amazing feature')
4. 推送到分支 (git push origin feature/amazing-feature)
5. 创建 Pull Request

许可证

本项目基于 MIT 许可证开源。

致谢

• yt-dlp - 强大的 YouTube 下载工具
• OpenAI Whisper - 开源语音识别模型
• Model Context Protocol - MCP 标准